OBJECTIVE: Based on data through clinical and epidemiological studies, a model regarding the diagnosis and risk classification on anthrax was developed by artificial neural network (ANN). The model could integrally diagnose anthrax cases, judge the risk tendency in time, and increase the ability of recognizing the anthrax accidents.
METHODS: Clinical, laboratory and epidemiological data from anthrax cases was collected and analyzed. The important factors which could greatly influence the results on diagnosis and judgment was chosen and used as the neural units. Through the use of artificial n
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The possibility of the quantitative prognostication of shigellosis morbidity with the use of the artificial neuron network (ANN), instructed by the reverse spread of error, was shown. On the basis of the available data the average error of the prognosis was approximately equal to 30%. Estimation of the influence on the shigellosis morbidity with solar activity the use of AN N presented no new arguments in favor of such influence.
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Effects of micromeritic properties (bulk, tapped and particle density, particle size and shape) on the flow rate through circular orifices are investigated, for three pharmaceutical excipients (Lactose, Emcompress and Starch) separated in four sieve fractions, and are modeled with the help of artificial neural networks (ANNs). Eight variables were selected as inputs and correlated by applying the Spearman product-moment correlation matrix and the visual component planes of trained Self-Organizing Maps (SOMs). Back-propagation feed-forward ANN with six hidden units in a single hidden layer was
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This study explores ambient air quality forecasts using the conventional time-series approach and a neural network. Sulfur dioxide and ozone monitoring data collected from two background stations and an industrial station are used. Various learning methods and varied numbers of hidden layer processing units of the neural network model are tested. Results obtained from the time-series and neural network models are discussed and compared on the basis of their performance for 1-step-ahead and 24-step-ahead forecasts. Although both models perform well for 1-step-ahead prediction, some neural netwo
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The ability of neural network models to predict aqueous solubility within series of structurally related drugs was evaluated. Three sets of compounds representing different drug classes (28 steroids, 31 barbituric acid derivatives, and 24 heterocyclic reverse transcriptase inhibitors) were studied. Topological descriptors (connectivity indices, kappa indices, and electrotopological state indices) were used to link the structures of compounds with their aqueous solubility. Separate models were built for each class of drugs using back-propagation neural networks with one hidden layer and five to
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Chronic stress is associated with persistent alterations in neural circuit function, yet how these changes are expressed across multiple descriptive levels remains unclear. Here, we re-analyzed in vivo GCaMP8s recordings from BLA-DMS and CeA-DMS projection pathways using complementary distributional, dynamical, and computational approaches. Distributional analyses based on Kullback-Leibler (KL) divergence revealed stress-associated changes in the temporal organization of neural activity patterns, particularly following acute aversive perturbations where stressed animals exhibited prolonged dev
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This article reviews the four ways by which large-scale, neurobiologically realistic modeling can be used in conjunction with functional neuroimaging data, especially that obtained by functional magnetic resonance imaging (fMRI) and positron emission tomography (PET), to help investigators understand the neural bases for sensorimotor and cognitive functions. The conceptually distinct purposes served are:(1) formulating and implementing specific hypotheses about how neuronal populations mediate a task, which will be illustrated using models of visual and auditory object processing; (2) determin
Сравнительное исследованиеСтатьяОбзорПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Distributed Denial of Service (DDoS) attacks have become a serious threat in modern computer networks, which can commonly be integrated with other types of attacks to evade detection by conventional devices. Existing deep learning-based intrusion detection methods have high identification capability. However, they are also highly susceptible to adversarial attacks, in which even slight perturbations to features can fool the model into misclassification. To address these issues, this study introduced a hybrid deep learning framework. It integrates Convolutional Neural Networks (CNN) and Bidirec
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This paper presents a specified-time resilient formation maneuver control approach for second-order nonlinear multi-robot systems under false data injection (FDI) attacks, incorporating an offline neural network. Building on existing works in integrated distributed localization and specified-time formation maneuver, the proposed approach introduces a hierarchical topology framework based on (d+1)-reachability theory to achieve downward decoupling, ensuring that each robot in a given layer remains unaffected by attacks on lower-layer robots. The framework enhances resilience by restricting the
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The convolutional neural network (CNN) and Transformer play an important role in computer-aided diagnosis and intelligent medicine. However, CNN cannot obtain long-range dependence, and Transformer has shortcomings in computational complexity and a large number of parameters. Recently, compared with CNN and Transformer, the Multi-Layer Perceptron (MLP)-based medical image processing network can achieve higher accuracy with smaller computational and parametric quantities. Hence, in this work, we propose an encoder-decoder network, U-MLP, based on the ReMLP block. The ReMLP block contains an ove
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND AND OBJECTIVES: Automatic airway segmentation from chest computed tomography (CT) scans plays an important role in pulmonary disease diagnosis and computer-assisted therapy. However, low contrast at peripheral branches and complex tree-like structures remain as two mainly challenges for airway segmentation. Recent research has illustrated that deep learning methods perform well in segmentation tasks. Motivated by these works, a coarse-to-fine segmentation framework is proposed to obtain a complete airway tree.
METHODS: Our framework segments the overall airway and small branches vi
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This paper proposes a development of automatic rib sequence labeling systems on chest computed tomography (CT) images with two suggested methods and three-dimensional (3D) region growing. In clinical practice, radiologists usually define anatomical terms of location depending on the rib's number. Thus, with the manual process of labeling 12 pairs of ribs and counting their sequence, it is necessary to refer to the annotations every time the radiologists read chest CT. However, the process is tedious, repetitive, and time-consuming as the demand for chest CT-based medical readings has increased
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To assess the ability of pix2pix conditional generative adversarial network (pix2pix cGAN) to create plausible synthesized Scheimpflug camera color-coded corneal tomography images based upon a modest-sized original dataset to be used for image augmentation during training a deep convolutional neural network (DCNN) for classification of keratoconus and normal corneal images.
METHODS: Original images of 1778 eyes of 923 nonconsecutive patients with or without keratoconus were retrospectively analyzed. Images were labeled and preprocessed for use in training the proposed pix2pix cGAN. T
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Tuberculosis (TB) is an infectious bacterial disease. It can affect the human lungs, brain, bones, and kidneys. Pulmonary tuberculosis is the most common. This airborne bacterium can be transmitted with the droplets by coughing and sneezing. So far, the most convenient and effective method for diagnosing TB is through medical imaging. Computed tomography (CT) is the first choice for lung imaging in clinics because the conditions of the lungs can be interpreted from CT images. However, manual screening poses an enormous burden for radiologists, resulting in high inter-observer variances. Hence,
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The aim of this research is to propose a new neural network based method for medical image segmentation. Firstly, a modified self-organizing map (SOM) network, named moving average SOM (MA-SOM), is utilized to segment medical images. After the initial segmentation stage, a merging process is designed to connect the objects of a joint cluster together. A two-dimensional (2D) discrete wavelet transform (DWT) is used to build the input feature space of the network. The experimental results show that MA-SOM is robust to noise and it determines the input image pattern properly. The segmentation res
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Histological analysis is central to biomedical research and diagnostic pathology, yet conventional two-dimensional (2D) sectioning captures only limited aspects of tissue architecture. Critical spatial relationships-such as tumor boundaries, stromal organization, and vascular networks-remain obscured, restricting diagnostic accuracy and biological interpretation. HistoNeRF addresses these limitations by adapting Neural Radiance Fields (NeRF) to reconstruct three-dimensional (3D) tissue volumes from routine histological sections. In this study, 84 toluidine blue (TB)-stained murine ovarian sect
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Functional magnetic resonance imaging (fMRI) has demonstrated significant potential in the early diagnosis and study of pathological mechanisms of Alzheimer's disease (AD). To fit subtle cross-spatiotemporal interactions and learn pathological features from fMRI, we propose a fine-grained spatiotemporal graph neural network with self-supervised learning (SSL) for diagnosis and biomarker extraction of early AD. First, considering the spatiotemporal interaction of the brain, we design two masks that leverage the spatial correlation and temporal repeatability of fMRI. Afterwards, temporal gated i
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
ОКРУЖАЮЩАЯ СРЕДА И ЦЕЛЬ: Оценка повреждений головного мозга на магнитно-резонансных изображениях (MRI) имеет решающее значение для исследований в области множественных склерозов (MS). Сегментация вручную занимает много времени и является непоследовательной. Мы поставили перед собой цель разработать автоматизированный алгоритм сегментации MS-повреждения для MRI, взвешенного на Т2 инверсионного восстановления (FLAIR). МЕТОДЫ: Мы разработали FLAIR Lission Analysis in Multial Sclerosis (FLAMES) — основанный на глубоком обучении алгоритм сегментации MS-повреждения на основе U-Net 3D с полным разреш
СтатьяОбзорПоиск полного текста в очередиМашинный перевод · не проверен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Pancreatic cancer remains one of the deadliest cancers due to the lack of effective early detection tools. While deep neural networks (DNNs) have shown promise in tumor segmentation, electronic accelerators suffer from power inefficiency and latency. To address this, we propose MediONN-a photonic neural network system implemented on an integrated chip, optimized for 3D medical image segmentation. MediONN integrates a 4×4 photonic neural processor within a hierarchical 3D optical computation framework. To improve training convergence, we introduce a segmentation-specific Gaussian weight initial
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: Gene regulatory networks (GRNs) provide a graphical representation of the regulatory interactions between transcription factors (TFs) and their target genes, governing transcriptional states that define cell identity and function. Deciphering GRNs is fundamental for deciphering disease pathogenesis and remains a central challenge in systems biology. Graph neural network-based methods have made significant progress in GRN inference in recent years due to their exceptional ability to model graph-structured biological data. However, the inherent characteristics of GRNs usually have bee
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования